基于聚类和SVD++的协同过滤算法

摘要：

奇异值分解(Single Value Decomposition,SVD)++算法是一种基于模型的协同过滤推荐算法,具有良好的推荐效果.然而,随着用户和项目数量的不断增加,用户项目的评分矩阵变得稀疏,导致该算法的推荐结果准确度偏低.为了缓解数据稀疏性问题和用户兴趣随时间漂移问题,本文首先根据用户属性对用户进行聚类操作,其次引入时间因子计算用户间相似度,为用户选取合适的近邻用户,并且根据近邻用户的评分信息为SVD++算法提供了偏差调整项,最后进行了对比实验.实验结果表明,该算法能够准确预测用户评分,提升了推荐效果.

关键词：SVD++、推荐算法、聚类

所属期刊栏目：34

分类号：TP391.3(计算技术、计算机技术)

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：50-53